Aprende NumPy mediante ocho laboratorios guiados que explican no solo cómo trabajar con arrays, sino también por qué importan la forma, el tipo de dato y el uso de memoria. Escribirás y ejecutarás pequeños programas de Python mientras avanzas desde la creación e indexación de arrays hasta la lectura de archivos, el broadcasting, los datos estructurados y las funciones universales.
El curso utiliza ejemplos concretos en lugar de un único proyecto grande. Cargarás un CSV con valores ausentes, compararás vistas con copias independientes, probarás formas compatibles e incompatibles y observarás cómo NumPy aplica operaciones elemento a elemento. Estos experimentos construyen un modelo mental sólido para futuros trabajos numéricos y de datos.
Lo que aprenderás
- Crear arrays multidimensionales a partir de secuencias de Python, constructores de NumPy y archivos de datos
- Seleccionar y actualizar contenido mediante cortes, indexación entera y máscaras booleanas
- Importar datos tabulares con
genfromtxt, incluidos encabezados, delimitadores, columnas y valores ausentes - Examinar, elegir y convertir tipos de NumPy con
dtypeyastype - Aplicar las reglas de broadcasting a formas compatibles y reconocer incompatibilidades
- Distinguir vistas de copias y comprobar la memoria compartida mediante
base - Definir y consultar campos con nombre en arrays estructurados y record arrays
- Usar funciones universales para operaciones elemento a elemento, broadcasting, reducciones, tipos de salida y comportamiento personalizado
A quién va dirigido este curso
Este curso está dirigido a estudiantes de Python que empiezan con NumPy y a futuros profesionales de datos que buscan una base clara sobre el comportamiento de los arrays. Resulta especialmente útil si ya escribes Python básico, pero deseas explicaciones guiadas antes de abordar colecciones extensas de ejercicios u otras bibliotecas basadas en NumPy.
Requisitos previos: Se recomiendan conocimientos básicos de Python, como listas, variables, condiciones y ejecución de scripts. No se requiere experiencia previa con NumPy.
Entorno de aprendizaje: Cada laboratorio proporciona un WebIDE sobre Ubuntu 22.04 con archivos Python iniciales, terminal y los datos CSV necesarios. Editas y ejecutas archivos .py normales en el navegador, sin configurar NumPy localmente.
Preguntas frecuentes
¿Es un curso guiado o principalmente una colección de desafíos?
Contiene ocho laboratorios guiados con explicaciones, ejemplos ejecutables y tareas de programación paso a paso. No hay laboratorios de desafío separados, por lo que funciona bien como primera introducción estructurada.
¿Por qué se dedica un laboratorio a copias y vistas?
Los cortes de NumPy pueden compartir memoria con el array original, mientras que la indexación avanzada suele crear una copia. Entender la diferencia permite anticipar si una modificación también cambiará los datos de origen.
¿Se trabaja con datos cargados desde archivos?
Sí. Usarás loadtxt para un CSV sencillo y estudiarás genfromtxt para omitir encabezados, elegir columnas, definir tipos y sustituir valores ausentes.
¿Aprenderé Pandas, machine learning o visualización?
No. El curso se concentra en los arrays de NumPy y su comportamiento. Proporciona fundamentos útiles para esos temas, pero no enseña DataFrames, modelos predictivos ni flujos de visualización.
